Link do dataset: -caso_full.csv
OBS: os dados da ultima semana não indicam uma drastica redução, apenas que ainda não estão completos, já que a semana ainda não terminou.
# A tibble: 5 x 2
tipo_teste percentual
<fct> <chr>
1 TESTE RÁPIDO - ANTICORPO 85%
2 TESTE RÁPIDO - ANTÍGENO 8%
3 RT-PCR 7%
4 Enzimaimunoensaio - ELISA IgM 0%
5 Imunoensaio por Eletroquimioluminescência - ECLIA IgG 0%
# A tibble: 5 x 2
tipo_teste percentual
<fct> <chr>
1 TESTE RÁPIDO - ANTICORPO 85%
2 TESTE RÁPIDO - ANTÍGENO 8%
3 RT-PCR 7%
4 Enzimaimunoensaio - ELISA IgM 0%
5 Imunoensaio por Eletroquimioluminescência - ECLIA IgG 0%
# A tibble: 5 x 2
tipo_teste percentual
<fct> <chr>
1 TESTE RÁPIDO - ANTICORPO 85%
2 TESTE RÁPIDO - ANTÍGENO 8%
3 RT-PCR 7%
4 Enzimaimunoensaio - ELISA IgM 0%
5 Imunoensaio por Eletroquimioluminescência - ECLIA IgG 0%
# A tibble: 5 x 2
tipo_teste percentual
<fct> <chr>
1 TESTE RÁPIDO - ANTICORPO 85%
2 TESTE RÁPIDO - ANTÍGENO 8%
3 RT-PCR 7%
4 Enzimaimunoensaio - ELISA IgM 0%
5 Imunoensaio por Eletroquimioluminescência - ECLIA IgG 0%
---
title: "Projeto Final"
author: "Michael Oliveira"
date: "13/08/2020"
output:
flexdashboard::flex_dashboard:
orientation: rows
social: menu
source_code: embed
theme: yeti
logo: favicon.PNG
vertical_layout: fill
---
Variação de casos e obitos {data-orientation=rows}
=====================================
-------------------------------------
Link do dataset: -[caso_full.csv](https://data.brasil.io/dataset/covid19/_meta/list.html)
OBS: os dados da ultima semana não indicam uma drastica redução, apenas que ainda não estão completos, já que a semana ainda não terminou.
### Variação média de novos casos por semana
```{r setup, include=FALSE}
library(tidyverse)
library(here)
library(lubridate)
library(scales)
library(forcats)
library(geobr)
library(readr)
library(sf)
library(plotly)
theme_plot = function(plot_entrada){
plot_entrada + theme_dark() + theme(legend.title = element_blank(),
legend.direction = "vertical")
}
dados_br <- read.csv(here("Analysis and Visualization of COVID-19 data with R/data","caso_full.csv")) %>%
filter(place_type == "state") %>%
mutate(mes = month(date),
dia_da_semana = format.Date(as.Date(date), "%a"))
```
```{r}
dados_br_semana <- dados_br %>%
group_by(epidemiological_week)%>%
summarise(casos_acumulado = max(new_confirmed, na.rm = TRUE),
casos_novos_media = mean(new_confirmed, na.rm = TRUE),
casos_novos_total = sum(new_confirmed, na.rm = TRUE),
obitos_acumulado = max(new_deaths, na.rm = TRUE),
obitos_novos_media = mean(new_deaths, na.rm = TRUE),
obitos_novos_total = sum(new_deaths, na.rm = TRUE),
dias = n(),
regiao = "Brasil")
dados_br_semana <- dados_br_semana %>%
ungroup() %>%
mutate(pico_casos_novos = casos_novos_media == max(casos_novos_media),
pico_obitos_novos = obitos_novos_media == max(obitos_novos_media))
plot_um <- ggplot(dados_br_semana, aes(epidemiological_week, casos_novos_total,
fill = casos_novos_total,
text = paste0(regiao, ": ",
casos_novos_total,
" casos"))) +
geom_col() +
scale_fill_viridis_c(option = "V") +
labs(x = "Semanas epidemiológicas",
y = "Média de casos novos semanais")
ggplotly(theme_plot(plot_um), tooltip = c("text"))
```
### Variação média de novos obitos por semana
```{r}
plot_dois <- ggplot(dados_br_semana, aes(epidemiological_week, obitos_novos_total,
fill = obitos_novos_total,
text = paste0(regiao, ": ",
obitos_novos_total,
" obitos"))) +
geom_col() +
scale_fill_viridis_c(option = "V") +
labs(x = "Semanas epidemiológicas",
y = "Média de obitos por semana")
ggplotly(theme_plot(plot_dois), tooltip = c("text"))
```
Testagens PB {data-orientation=rows}
=====================================
Row {data-height=600}
-------------------------------------
```{r}
buscar_test_cidade <- function(cidade){
municipio <- cidade
tipo_test <- dados_pb %>% filter(!is.na(tipo_teste), !is.na(municipio)) %>%
group_by(tipo_teste) %>%
summarise(quantidade = n()) %>%
mutate(percentual = percent(quantidade / sum(quantidade), accuracy = 1)) %>%
select(tipo_teste, percentual)
return(tipo_test)
}
dados_pb <- read.csv2(here("Analysis and Visualization of COVID-19 data with R/data",
"dados-pb.csv"), stringsAsFactors = TRUE,
fileEncoding = "latin1",
na.strings = c("undefined", "", "null")) %>%
rename(id = 1) %>%
janitor::clean_names() %>%
mutate_at(vars(starts_with("data")), as_date)
```
### João Pessoa
```{r}
test_jp <- buscar_test_cidade("João Pessoa")
test_jp[order(test_jp$percentual, decreasing = TRUE),]
```
### Campina Grande
```{r}
test_cg <- buscar_test_cidade("Campina Grande")
test_cg[order(test_cg$percentual, decreasing = TRUE),]
```
Row
-------------------------------------
### Guarabira
```{r}
test_gba <- buscar_test_cidade("Guarabira")
test_gba[order(test_gba$percentual, decreasing = TRUE),]
```
### Patos
```{r}
test_pt <- buscar_test_cidade("Patos")
test_pt[order(test_pt$percentual, decreasing = TRUE),]
```